随着能源与环境问题的日渐严峻,分布式发电技术得到了飞速发展。微电网是将分布式电源、蓄电池组、监控保护装置以及负荷组合起来形成的一种小型发配电系统,为分布式能源并入大电网提供了方便有效的载体。本文在宜昌市基础应用项目(A19-402-a15)以及梯级水电站运行与控制湖北省重点实验室开放基金(2019KJX11)的支持下,对含有光伏、风机、柴油发电机、微燃气轮机以及储能系统的并网型微电网进行了研究。在满足系统的约束条件下,考虑运行成本与污染气体处理成本,建立经济与环保相协调的微电网双目标优化调度模型,并制定相应的调度策略。微电网的优化调度离不开性能出色的智能算法。由于生物地理学算法(Biogeography-Based Optimization,BBO)特有的迁徙变异机制,使其在求解高维度较复杂的优化问题时性能不佳,并且容易陷入局部最优解。本文针对BBO算法的基本进化思想与内在进化机制进行探究,将量子搜索操作引入传统的BBO算法中,改变其原有的物种更新方式,保证该算法在进化过程中的物种多样性,进而提高了BBO算法的全局搜索能力。通过测试函数的仿真结果表明,增加了量子搜索步骤的BBO算法,不仅保留了原有算法的快速收敛性,还克服了其在搜索过程中容易因早熟而陷入局部最优的缺点。在对优化问题进行运算时,能够获得更高质量的解。本文采用量子BBO算法分别对以经济性、环保性、综合效益为目标的微电网模型进行优化求解,得到相应的调度计划,并结合实时电价、负荷大小等因素对优化调度的结果进行分析。通过对比三种目标函数下的调度结果,表明本文所建双目标优化调度的模型能够有效地协调经济性与环保性,使微电网的综合效益达到最优。为了探究量子BBO算法在求解微电网优化调度问题时的性能,将其与传统BBO算法、自适应遗传算法以及自适应粒子群算法的迭代过程以及求得的综合最低费用进行对比。结果表明,量子BBO算法具有更快的收敛速度与更高的收敛精度,验证了本文对BBO算法改进的有效性。